|
|
Strukturální metody identifikace objektů pro řízení průmyslového robotu
Minařík, Martin ; Šlapal, Josef (oponent) ; Konečný, Vladimír (oponent) ; Šťastný, Jiří (vedoucí práce)
Tato dizertační práce se zabývá využitím strukturálních metod identifikace objektů pro řízení průmyslového robotu. Nejprve je popsán současný stav znalostí v dané oblasti, tedy celý proces rozpoznávání objektů pomocí metod klasické syntaktické analýzy. Největší nevýhodou je nemožnost rozpoznávat objekty, jejichž digitalizovaný obraz je nějakým způsobem porušen či zkreslen (díky nadměrnému šumu nebo poruchám obrazu), tedy deformován. Pro rozpoznávání deformovaných objektů jsou dále popsány metody využívající strukturálního popisu pro jejich rozpoznávání – metody pro stanovení vzdáleností mezi atributovými popisy obrazů. Vlastní jádro celé práce spočívá až v kapitole 5, kde jsou popsány deformační gramatiky, jež jsou schopny popsat všechny možné deformace objektu. Komplikací při jejich analýze je nejednoznačnost deformační gramatiky, která snižuje efektivitu analýzy. Dále je věnován prostor výběru a modifikaci vhodného parseru schopného efektivně analyzovat deformační gramatiku. Popsány jsou tři typy parseru: modifikovaný Earlyho parser, modifikovaný Tomita parser a modifikovaný hybridní LRE(k) parser. Pro Earlyho parser je popsán efektivní způsob jeho implementace. Nezbytnou součástí rozpoznávání objektů je zajištění invariancí, čímž se tato práce též detailně zabývá. Závěrem jsou uvedeny výsledky popsaných algoritmů (úspěšnost a rychlost rozpoznávání deformovaných objektů) a je popsáno navržené testovací prostředí a algoritmy v něm implementované. V závěru jsou shrnuty zjištěné možnosti deformačních gramatik a jejich výsledky.
|
|
|
Query by Pictorial Example
Vácha, Pavel ; Haindl, Michal (vedoucí práce) ; Drbohlav, Ondřej (oponent) ; Geusebroek, Jan-Mark (oponent)
Rostoucí množství digitálních fotografií vyžaduje nové metody třídění, organizace a vy- hledávání. Toto je úkolem CBIR systémů, což jsou databázové systémy specializované na prohledávání rozsáhlých obrazových databází. Uživatel typicky zadá vstupní obrázek nebo sérii obrázků a úkolem CBIR systému je nalézt v databázi obrázky co nejvíce po- dobné. V ideálním případě by nalezené obrázky neměli záviset podmínkách, ve kterých byly pořízeny. Bohužel vzhled mnoha objektů a přírodních materiálů velmi závisí na světelných podmínkách a úhlu pohledu. Tato práce se zaměřuje na reprezentaci a vyhledávání homogenních obrazů (textur) a odolnost této reprezentace vůči změnám osvětlení a otočení textury. Navrhujeme nové světelně invariantní texturní příznaky, která jsou založené na Markovovském modelování prostorových vztahů v textuře. Textura je modelována kauzálním autoregresním mode- lem (CAR) nebo Gaussovsko-Markovovským modelem náhodného pole (GMRF), které umožňují velmi efektivní odhad svých parametrů, bez použití časově náročné Monte Carlo minimalizace. Odhadnuté parametry jsou následně transformovány do světelných invari- antů, které reprezentují texturu. Odvodili jsme, že tato...
|
|
|
Query by Pictorial Example
Vácha, Pavel ; Haindl, Michal (vedoucí práce)
Rostoucí množství digitálních fotografií vyžaduje nové metody třídění, organizace a vy- hledávání. Toto je úkolem CBIR systémů, což jsou databázové systémy specializované na prohledávání rozsáhlých obrazových databází. Uživatel typicky zadá vstupní obrázek nebo sérii obrázků a úkolem CBIR systému je nalézt v databázi obrázky co nejvíce po- dobné. V ideálním případě by nalezené obrázky neměli záviset podmínkách, ve kterých byly pořízeny. Bohužel vzhled mnoha objektů a přírodních materiálů velmi závisí na světelných podmínkách a úhlu pohledu. Tato práce se zaměřuje na reprezentaci a vyhledávání homogenních obrazů (textur) a odolnost této reprezentace vůči změnám osvětlení a otočení textury. Navrhujeme nové světelně invariantní texturní příznaky, která jsou založené na Markovovském modelování prostorových vztahů v textuře. Textura je modelována kauzálním autoregresním mode- lem (CAR) nebo Gaussovsko-Markovovským modelem náhodného pole (GMRF), které umožňují velmi efektivní odhad svých parametrů, bez použití časově náročné Monte Carlo minimalizace. Odhadnuté parametry jsou následně transformovány do světelných invari- antů, které reprezentují texturu. Odvodili jsme, že tato...
|
|
|
Query by Pictorial Example
Vácha, Pavel ; Haindl, Michal (vedoucí práce)
Rostoucí množství digitálních fotografií vyžaduje nové metody třídění, organizace a vy- hledávání. Toto je úkolem CBIR systémů, což jsou databázové systémy specializované na prohledávání rozsáhlých obrazových databází. Uživatel typicky zadá vstupní obrázek nebo sérii obrázků a úkolem CBIR systému je nalézt v databázi obrázky co nejvíce po- dobné. V ideálním případě by nalezené obrázky neměli záviset podmínkách, ve kterých byly pořízeny. Bohužel vzhled mnoha objektů a přírodních materiálů velmi závisí na světelných podmínkách a úhlu pohledu. Tato práce se zaměřuje na reprezentaci a vyhledávání homogenních obrazů (textur) a odolnost této reprezentace vůči změnám osvětlení a otočení textury. Navrhujeme nové světelně invariantní texturní příznaky, která jsou založené na Markovovském modelování prostorových vztahů v textuře. Textura je modelována kauzálním autoregresním mode- lem (CAR) nebo Gaussovsko-Markovovským modelem náhodného pole (GMRF), které umožňují velmi efektivní odhad svých parametrů, bez použití časově náročné Monte Carlo minimalizace. Odhadnuté parametry jsou následně transformovány do světelných invari- antů, které reprezentují texturu. Odvodili jsme, že tato...
|
|
|
Query by Pictorial Example
Vácha, Pavel ; Haindl, Michal (vedoucí práce) ; Drbohlav, Ondřej (oponent) ; Geusebroek, Jan-Mark (oponent)
Rostoucí množství digitálních fotografií vyžaduje nové metody třídění, organizace a vy- hledávání. Toto je úkolem CBIR systémů, což jsou databázové systémy specializované na prohledávání rozsáhlých obrazových databází. Uživatel typicky zadá vstupní obrázek nebo sérii obrázků a úkolem CBIR systému je nalézt v databázi obrázky co nejvíce po- dobné. V ideálním případě by nalezené obrázky neměli záviset podmínkách, ve kterých byly pořízeny. Bohužel vzhled mnoha objektů a přírodních materiálů velmi závisí na světelných podmínkách a úhlu pohledu. Tato práce se zaměřuje na reprezentaci a vyhledávání homogenních obrazů (textur) a odolnost této reprezentace vůči změnám osvětlení a otočení textury. Navrhujeme nové světelně invariantní texturní příznaky, která jsou založené na Markovovském modelování prostorových vztahů v textuře. Textura je modelována kauzálním autoregresním mode- lem (CAR) nebo Gaussovsko-Markovovským modelem náhodného pole (GMRF), které umožňují velmi efektivní odhad svých parametrů, bez použití časově náročné Monte Carlo minimalizace. Odhadnuté parametry jsou následně transformovány do světelných invari- antů, které reprezentují texturu. Odvodili jsme, že tato...
|
|
|
Strukturální metody identifikace objektů pro řízení průmyslového robotu
Minařík, Martin ; Šlapal, Josef (oponent) ; Konečný, Vladimír (oponent) ; Šťastný, Jiří (vedoucí práce)
Tato dizertační práce se zabývá využitím strukturálních metod identifikace objektů pro řízení průmyslového robotu. Nejprve je popsán současný stav znalostí v dané oblasti, tedy celý proces rozpoznávání objektů pomocí metod klasické syntaktické analýzy. Největší nevýhodou je nemožnost rozpoznávat objekty, jejichž digitalizovaný obraz je nějakým způsobem porušen či zkreslen (díky nadměrnému šumu nebo poruchám obrazu), tedy deformován. Pro rozpoznávání deformovaných objektů jsou dále popsány metody využívající strukturálního popisu pro jejich rozpoznávání – metody pro stanovení vzdáleností mezi atributovými popisy obrazů. Vlastní jádro celé práce spočívá až v kapitole 5, kde jsou popsány deformační gramatiky, jež jsou schopny popsat všechny možné deformace objektu. Komplikací při jejich analýze je nejednoznačnost deformační gramatiky, která snižuje efektivitu analýzy. Dále je věnován prostor výběru a modifikaci vhodného parseru schopného efektivně analyzovat deformační gramatiku. Popsány jsou tři typy parseru: modifikovaný Earlyho parser, modifikovaný Tomita parser a modifikovaný hybridní LRE(k) parser. Pro Earlyho parser je popsán efektivní způsob jeho implementace. Nezbytnou součástí rozpoznávání objektů je zajištění invariancí, čímž se tato práce též detailně zabývá. Závěrem jsou uvedeny výsledky popsaných algoritmů (úspěšnost a rychlost rozpoznávání deformovaných objektů) a je popsáno navržené testovací prostředí a algoritmy v něm implementované. V závěru jsou shrnuty zjištěné možnosti deformačních gramatik a jejich výsledky.
|
host ::
RSS.